Для исследования интенсивности, вида и формы причинных влияний широко применяется корреляционный и регрессионных анализ. В приложении к финансово-экономическим процессам они могут стать тем

Для исследования интенсивности, вида и формы причинных влияний широко применяется корреляционный и регрессионных анализ. В приложении к финансово-экономическим процессам они могут стать тем инструментом, который вскроет сложные комплексы причин и следствий.

Выявление количественных соотношений в виде регрессии и сравнение действительных (наблюдаемых) величин с величинами, полученными путем подстановки в уравнения регрессии значений объясняющих переменных, дают возможность лучше понять природу исследуемого явления. А это в свою очередь позволяет воздействовать на выявленные факторы, вмешиваться в экономический процесс в целях получения нужных результатов.

Экономические данные почти всегда представлены в виде таблиц. Числовые данные, содержащиеся в этих таблицах, обычно имеют между собой явные (известные) или неявные (скрытые) связи.

Явно связаны показатели, которые получены методами прямого счета, т. е. вычислены по заранее известным формулам. Например, //////перечисляйте какаие нибудь показатели… по вашим данным

Необходимо уметь объяснять и предсказывать (прогнозировать) сложные явления для того, чтобы управлять ими. Поэтому специалисты с помощью наблюдений стремятся выявить скрытые зависимости и выразить их в виде формул, т. е. математически смоделировать явления или процессы. Одну из таких возможностей предоставляет корреляционно-регрессионный анализ.

Основными задачами корреляционного анализа являются определение наличия связи между отобранными признаками, установление ее направления и количественная оценка тесноты связи.

Необходимые условия применения корреляционно-регрессионного анализа:

-Наличие достаточно большого количества наблюдений о величине исследуемых факторных и результативных показателей (в динамике или за текущий год по совокупности однородных объектов);

-Исследуемые факторы должны иметь количественное измерение и отражение в тех или иных источниках информации;

Применение корреляционно-регрессионного анализа позволяет решить следующие задачи:

- определить изменение результативного показателя под воздействием одного или нескольких факторов, т.е. определить, на сколько единиц изменяется величина результативного показателя при изменении факторного на единицу;

-установить относительную степень зависимости результативного показателя от каждого фактора.

Проведен множественный корреляционно-регрессионный анализ финансовых показателей

ОАО …В качестве результативного показателя (Y) рассматривалось????.

.

В качестве показателей-факторов, потенциально влияющих на значение прибыли, использованы ключевые финансовые величины. Среди них можно выделить: Х₁- Выручка от реализации товарной продукции, Х₂- Посевные площади с/х культур, Х₃- Поголовье скота, Х₄- Численность работников, Х₅-Рентабельность, Х₆- Основные средства.

При построении регрессионной модели учитывалось, какие факторы нужно включать в уравнение или есть переменные, которые существенно не влияют на величину Y и их нецелесообразно включать в уравнение регрессии.

После отбора значимых факторов в уравнение регрессии вошли следующие факторы и (После предварительного отбора факторов на основе парных и частных коэффициентов корреляции производятся оценки параметров) уравнение приняло вид

Y=0+a1x1+a6x6 (4)

Уравнение регрессии будет иметь вид:

У= -4233,02+0,2152b1 +0,0358 b2

Для определения тесноты связи между фактором Y и совокупностью факторов X₁, Х₆ применяется коэффициент множественной корреляции R. Этот коэффициент изменяется в интервале от 0 до 1. Если R=0, то нет линейной корреляционной связи между Y и X₁, Х₆. Если R=1, то существует функциональная связь. В нашем случае R=0,8965, что говорит о наличии функциональной связи.

В рамках регрессионной статистики приведены также значения скорректированного и нескорректированного линейных коэффициентов множественной детерминации.

Нескорректированный коэффициент множественной детерминации R² =0,74175 оценивает долю вариации результата за счет представленных в уравнении факторов в общей вариации результата. Здесь эта доля составляет 74,2 % указывает на высокую степень обусловленности вариации результата вариацией факторов, иными словами на тесную связь факторов с результатом.

Скорректированный коэффициент множественной детерминации R²=0,74175

определяет тесноту связи с учетом степеней свободы общей и остаточной дисперсией. Он дает такую оценку тесноты связи, которая не зависит от числа факторов в модели и потому может сравниваться по разным моделям с разным числом факторов. Оба коэффициента указывают на весьма высокую (более 70%) детерминированность результата У в модели факторами Х1, Х₆.

Найдены значения коэффициентов эластичности. Средние коэффициенты эластичности показывают, на сколько процентов от значения своей средней изменяется результат при изменении фактора х_j на 1% от своей средней и при фиксированном воздействии на у всех прочих факторов включенных в уравнение регрессии. Для линейной зависимости:[1]

где - коэффициент регрессии при х_j в уравнении множественной регрессии.

		5,963188
э1		1,283278
	12,67281
э2	0,453686

ВЫВОДЫ

Проведен корреляционно-регрессионный анализ финансовых показателей:

-составлен точечный и интервальный прогноз размеров выручки от &&&;

В целях проведения корреляционно-регрессионного анализа было отобрано 7 факторов, влияющих на величину чистой прибыли CПК. В ходе его проведения выяснялось, что существенно значимыми из них являются Выручка от реализации товарной продукции и основные средства Эти факторы были включены в регрессионную модель.

В ходе проведения анализа получены следующие результаты

- при увеличении выручки от реализации товарной продукции на единицу от своего среднего уровня чистая прибыль увеличится в среднем на 0,215 единиц от своего среднего уровня.

- при увеличении основных средств на единицу от своего среднего уровня чистая прибыль увеличится в среднем на 0,0358 единиц от своего среднего уровня.

Интерпретация полученных значений показателей будет следующая:

-увеличение выручки от реализации товарной продукции на 1% от своего среднего значения при неизменности значений других факторов приведет к увеличению чистой прибыли в среднем на 1,28%;

- увеличение основных средств на 1% от своего среднего значения при неизменности значений других факторов приведет к увеличению чистой прибыли в среднем на 0,45%.

Коэффициент R²=74,2 показывает, что 74,2% вариации результативного признака объясняется включенными в модель факторами.

В данной работе был составлен прогноз размеров выручки от ….

Дата добавления: 2015-11-04